需求從工具轉向結果，SaaS會死在重生的路上么？丨ToB產業觀察

自從ChatGPT問世的那天起，SaaS行業已死的聲音就充斥在軟件行業內部。年初，Anthropic 在其智能體平臺Claude Cowork上發布了面向企業法務的自動化插件，這一舉動導致了當時美股SaaS公司的股票幾乎全線崩盤。

但SaaS行業并不是被AI“殺死”，而更像是在AI加持下，重獲新生。那次暴跌，表面上是Anthropic的一個插件戳破了SaaS高毛利的泡沫，但本質上，它是人類社會在技術代際更替時的本能陣痛。軟件的形態會變，但人類利用工具解決問題的需求永遠不會消失。

從“訂閱服務”到“交付結果”

傳統的“軟件即服務”模式，其線性流程、訂閱制收費與固化的產品邏輯，在AI的“涌現”能力面前，顯得日益局促。尤其在財務這一高度專業化、強合規、重流程的領域，變革的壓力與機遇尤為顯著。

當我們把時間撥回生成式AI問世之前，SaaS行業的核心價值在于“標準化工具輸出”，通過將傳統線下流程線上化、標準化，解決企業效率低下、管理混亂等痛點，本質上是“線下流程的線上復刻”。

以財務SaaS為例，早期的財務軟件、報銷系統，核心功能集中在單據錄入、流程審批、報表生成等基礎環節，雖然實現了財務工作的線上化，但其底層邏輯依然是“流程驅動”，用戶必須按照預設的固定流程操作，軟件僅承擔“流程載體”的角色，無法主動識別需求、優化決策，更無法實現財務工作的價值升級。

商業模式上，SaaS行業的基石是訂閱制。企業為客戶提供標準化的軟件工具，按年或按月收取許可費用。這種模式的核心是“賣工具”，即客戶購買的是軟件的使用權，至于工具用得好不好、產生了多少價值，與廠商的收入并無直接關聯。然而，在AI時代，這一邏輯正在被徹底顛覆。

傳統軟件收費對標的是“軟件”本身，客戶會將其與同類軟件進行價格比較。馬春荃坦言，一開始，合思以傳統的軟件模式推銷其AI審核功能時，遇到了巨大阻力。因為客戶仍在用“軟件”的尺子丈量AI的價值，陷入性價比的泥潭。但當他們將定價邏輯切換為“按替代人工帶來的效率提升和審核準確率收費”時，局面豁然開朗。

而這也引發了馬春荃的自我思考，他與筆者分享了那段思路歷程，“瓦特發明蒸汽機不按煤收費，我們也不按Token收費，那是‘賣煤’的邏輯。我們按‘馬力’收費。”

而這種思考也意味著，AI SaaS廠商的價值錨點，從客戶對算力資源的“消耗”，轉移到了AI所創造的“產出”（替代的人力、提升的準確率、規避的風險）。這一定價范式的轉換，使得客戶更容易衡量投資回報率（ROI），也將廠商的利益與客戶的業務成功深度捆綁。

AI重塑SaaS價值邊界

生成式AI的出現，不僅僅是改變了SaaS持續多年的商業模式，AI技術的出現，還徹底打破了傳統SaaS行業的發展瓶頸，推動SaaS行業從“流程驅動”向“價值驅動”轉型，這種轉型并非簡單的“AI+SaaS”疊加，而是底層邏輯的重構。對此，合思CEO馬春荃強調：“AI對SaaS的影響，不是在原有軟件上增加一個AI插件，而是從產品設計、技術研發、商業模式到組織架構的全方位重構，是‘AI原生’的變革。我們不再是用AI改造產品，而是用AI構建產品。”這種“AI原生”的變革，正在從三個維度重塑SaaS行業的價值邊界。

其一，技術層面，AI重構SaaS產品的核心能力，從“工具屬性”向“智能屬性”升級。傳統財務SaaS產品的核心是“流程固化”，通過預設的代碼邏輯，實現財務流程的線上流轉，其核心競爭力在于流程的完整性和穩定性。而AI原生的財務SaaS產品，核心能力在于“智能推理”，通過大模型技術，實現對財務數據的自動識別、分析、推理和決策，打破了傳統流程的剛性約束。

馬春荃明確指出，合思公司正從“賣工具的SaaS公司”進化為“提供AI員工的RaaS（Robot as a Service）服務商”。這一轉變的核心理念是 “By AI, For AI, Of Finance” ，其中“By AI”即利用AI生成代碼，重構產品底層邏輯，不再依賴人工編碼；“For AI”即優化數據環境，為AI提供標準化、高質量的數據底座，讓AI能夠高效理解財務場景的隱性規則；“Of Finance”即確保AI Agent歸屬于財務部門，遵循財務合規與風控要求，避免AI陷入“為個體便利而突破規則”的誤區。

其二，商業模式層面，AI推動SaaS行業從“訂閱收費”向“價值收費”轉型。長期以來，SaaS行業的主流商業模式是“訂閱制”，即企業按照使用時長、用戶數量等維度支付訂閱費用，這種模式的核心痛點在于“價值與價格脫節”——企業支付的費用僅對應“工具使用權限”，而非工具帶來的實際價值，導致很多企業雖然購買了SaaS產品，但因使用效率不高、價值感知不強，出現續費率偏低的問題。艾瑞咨詢數據顯示，2024年中國財務SaaS行業的平均續費率為68%，其中中小微企業的續費率不足50%，核心原因就是“價值感知不足”。

AI技術的落地，為SaaS行業的商業模式變革提供了可能。馬春荃告訴筆者，合思已經徹底放棄了傳統的訂閱制模式，轉向“按結果付費”的商業模式“用戶不再支付固定的訂閱費用，而是按照AI提供的實際價值付費，”馬春荃如是說。

例如“審核一單付費10元”“優化一筆成本節省付費比例”等。這種模式的核心邏輯，是將SaaS產品的價值與客戶的實際收益綁定，讓客戶能夠清晰感知到AI帶來的價值。馬春荃分享了一個典型案例：某客戶原本對合思的產品持懷疑態度，采用“按結果付費”模式后，由于AI審核效率提升、風控能力增強，客戶的財務成本降低了30%，最終客戶的充值額較傳統訂閱模式翻了5倍，且續購意愿極強。

這種商業模式的變革，正在重塑SaaS行業的競爭邏輯。未來，SaaS企業的核心競爭力不再是“產品功能的完整性”，而是“價值輸出的能力”。

與此同時，面對“軟件行業已經滅亡”的提問，馬春荃部分認同該觀點，他指出，未來的軟件形態將發生巨變，核心價值將從代碼本身，轉向其承載的數據、算法與持續的服務能力。軟件可能變得“日拋型”或成為一種隱形的“數字基建”，而顯性的價值則由其上運行的AI員工來創造。

這預示著SaaS公司的終極形態，可能不再是軟件公司，而是AI服務公司。馬春荃將之比作從“賣炊具”到“賣廚子”的轉變。客戶不再需要關心“鍋碗瓢盆”（軟件）如何制造，只需“雇傭廚子”（AI員工）來做出“美味菜肴”（完成工作）。基于此，馬春荃將合思的自身定位升級為“AI驅動的財務收支管理與服務伙伴”，強調“伙伴”關系，意味著雙方必須從冰冷的甲乙方，轉變為共同訓練、管理和優化AI員工的協同作戰關系。

其三，服務邏輯層面，AI推動SaaS行業從“被動響應”向“主動服務”轉型。傳統SaaS行業的服務模式是“被動響應式”，即客戶遇到問題后，主動聯系SaaS企業的客服人員，客服人員再根據問題進行解答或優化，這種服務模式的效率低下，且無法提前預判客戶的需求。而AI時代的SaaS服務，通過AI Agent的自主學習和推理能力，能夠主動識別客戶的需求，提前提供解決方案，實現“主動服務”。

值得注意的是，AI對SaaS行業的破壁，并非一蹴而就的過程，而是一個“循序漸進、逐步滲透”的過程。對此，馬春荃坦言，合思的轉型并非預設好的“一刀切”，而是在實踐中不斷試錯、不斷優化的結果——最開始，合思只是想改造產品，但后來發現僅改產品無法解決問題，必須重構商業模式和組織生產關系；在轉型過程中，也曾遇到“新舊引擎切換”的風險，即舊的訂閱模式現金流減少，而新的“按結果付費”模式尚未形成規模，一度面臨“損益崩盤”的風險。但正是這種持續試錯、持續迭代的態度，讓合思在AI原生轉型中找到了正確的方向，也為整個SaaS行業提供了寶貴的實踐經驗。

仍面臨挑戰

雖然AI為SaaS行業帶來了巨大的發展機遇，但在實際轉型過程中，尤其是財務SaaS細分賽道，依然面臨著諸多痛點和挑戰。財務工作的核心屬性是“合規性”“準確性”“保密性”，這與AI技術的“不確定性”“數據依賴性”存在天然的矛盾；另一方面，傳統SaaS企業的組織慣性、客戶的思維慣性，也成為AI原生轉型的重要阻礙。

具體來看，財務領域面臨的首要挑戰與其他行業應用AI面臨的挑戰“如出一轍”，那就是數據。AI技術的高效運行，依賴于高質量、標準化的數據底座，而財務數據的“碎片化”“非標準化”“私密性”，成為制約AI在財務SaaS領域落地的核心瓶頸。對此，馬春荃指出：“數據治理是AI落地的最大障礙之一，我們不試圖在臟數據上直接跑AI，而是通過‘收斂’數據環境，為AI提供干凈、標準化的數據。”

具體來看，財務數據的治理困境主要體現在三個方面：一是數據碎片化，企業的財務數據分散在不同的系統中，如報銷系統、核算系統、稅務系統等，不同系統的數據格式不統一、口徑不一致，導致AI無法高效整合和分析；二是非標準化，不同企業的財務流程、核算標準、風控規則存在差異，甚至同一企業的不同部門，財務數據的錄入規范也不統一，導致AI難以識別和理解；三是數據私密性，財務數據涉及企業的核心商業機密，如營收數據、成本數據、稅務數據等，企業對數據安全的要求極高，而AI技術的訓練和運行，需要大量的財務數據作為支撐，這就形成了“數據需求”與“數據安全”的矛盾。

針對這一痛點，合思的轉型路徑值得借鑒——通過“數據收斂+隱性規則萃取”的方式，破解數據治理困境。一方面，合思通過技術手段，對企業的非結構化數據（如發票、錄音、合同等）進行標準化處理，對復雜的嵌套數據進行扁平化處理，適應AI的注意力機制；另一方面，通過“深度現場部”深入客戶現場，挖掘客戶財務工作中的隱性規則，將這些未寫在紙面上的規則轉化為AI可理解的語言，填補“合規與合格”之間的鴻溝。

馬春荃舉例說明：“證監會的財報審核邏輯、國資委的穿透式監管要求，這些隱性規則不會上網，大模型也無法直接獲取，只有深入客戶現場，才能將這些規則萃取出來，讓AI能夠適配專業場景的需求。”

此外，為了確保數據安全，合思采用了“通用大模型+加強版小模型”的混合架構，針對大型企業提供私有化部署方案，使用國產大模型，確保數據不出域，既滿足合規要求，又通過算法調優保證準確率。這種“數據治理+安全保障”的雙重路徑，為AI在財務SaaS領域的落地奠定了基礎。

除了數據層面的阻礙之外，“人類思維慣性”也是阻礙AI在財務領域落地的一大掣肘。無論是SaaS企業內部，還是客戶層面，都存在嚴重的思維慣性，這種慣性成為AI原生轉型的重要阻礙。馬春荃坦言，轉型過程中最大的挑戰之一，就是“思維的慣性”——包括企業內部的思維慣性和客戶的思維慣性。

從企業內部來看，傳統SaaS企業的組織架構、工作流程、考核機制，都是圍繞“流程驅動”的產品設計的，員工已經習慣了“按流程做事”，對AI原生的“模型驅動”“價值驅動”邏輯難以適應。

例如，傳統的產品經理習慣于“需求調研-功能設計-代碼開發-測試上線”的流程，而AI原生的產品設計，需要產品經理具備“AI思維”，能夠將業務需求轉化為AI可執行的Skills，而非傳統的寫代碼；傳統的銷售團隊習慣于“賣工具、講功能”，而AI時代的銷售，需要“賣價值、講結果”，這對銷售團隊的專業能力提出了更高的要求。馬春荃提到，合思為了打破內部的思維慣性，組建了獨立于組織之外的“小組”，負責將業務需求轉化為AI可執行的Skills，同時重構了內部的工作流和考核機制，推動員工從“流程思維”向“AI思維”轉型。

從客戶層面來看，客戶的思維慣性主要體現在“價格對標”和“需求固化”兩個方面。馬春荃分享了一個典型案例：某客戶在對接合思的AI產品時，始終用傳統財務軟件的價格來對標，認為合思的產品價格過高，即使合思的AI產品能夠為其節省大量的人力成本，客戶依然難以接受。后來，合思改變了報價邏輯，不再與傳統軟件對標，而是與人類員工的價值對標——AI審核一單的成本遠低于人工審核，且效率更高、準確率更高，客戶瞬間接受了報價，甚至愿意支付更高的費用。馬春荃表示：“客戶的思維慣性，本質上是對AI價值的不理解，我們需要做的，是引導客戶從‘軟件思維’轉向‘AI思維’，讓客戶明白，他們購買的不是工具，而是AI員工創造的價值。”

此外，客戶的需求固化也成為轉型的阻礙。很多客戶依然習慣于“按流程操作”，對AI的“自主決策”“主動服務”能力存在疑慮，擔心AI會出現錯誤、突破合規邊界。針對這一問題，合思采用“漸進式落地”的方式，先從簡單的重復性工作（如單據錄入、基礎審核）入手，讓客戶逐步體驗AI帶來的效率提升，再逐步拓展到復雜的決策支撐、風控管理等環節；同時，通過“審計留痕”“推理日志”等功能，讓AI的決策過程可追溯、可驗證，消除客戶的疑慮。

對于SaaS行業而言，AI不僅是技術升級的工具，更是價值重構的核心引擎，它打破了傳統SaaS的流程束縛，重構了商業模式和服務邏輯，拓展了行業的價值邊界。

當AI不再僅是賣工具，而是要讓用戶能看見價值。從“賣軟件”到“賣結果”，背后的邏輯其實很樸素——客戶從來不需要一堆功能列表，他們要的就是問題被解決、成本降下來、風險被管住。

（文｜Leo張ToB雜談，作者｜張申宇，編輯丨楊林）